以语义一致性为指导的补丁智能关系图表推理方案,用于明亮场显微镜中的肺癌有机体细分

科学领域:

• 生物医学成像技术 生物医学成像技术
• 计算生物学 计算生物学
• 精准医学是一门精准的医学.

背景情况:

• 患者衍生器官 (PDO) 对个性化医疗至关重要.
• 在亮场显微镜中精确对活PDO的细分对于形态评估,生命力测试和药物查至关重要.
• 挑战包括低对比度,变化的形态,成像工件和有限的注释数据集.

研究的目的:

• 开发一种用于准确和自动的PDO实时细分的先进方法,特别是在有限的培训数据下有效.
• 为了应对低对比度,多样化的有机体特征和亮场显微镜中的成像工件的挑战.

主要方法:

• 提出了一个以语义一致性为指导的补丁智能关系图表推理方案.
• 该方法采用双输入流用于本地和补丁智能的语义表示提取.
• 一个贴片式关系图卷积模块 (PRGCM) 整合了空间相关性与语义表示.
• 一个局部-全球语义融合模块 (LGSFM) 融合了上下文信息.
• 辅助任务包括补丁细分与流一致性 (SC) 损失和表示重建.

主要成果:

• 介绍了LiveOrganoid,这是一个大规模的注释数据集,包含肺癌亮场图像.
• 拟议的方案在LiveOrganoid数据集上实现了最先进的性能,超过了使用较少培训数据的最新方法.
• 在不同的成像模式和细胞培养细分任务 (例如,细胞和核细分) 中展示了概括能力.

结论:

• 以语义一致性为指导的补丁智能关系图表推理方案有效地解决了现场PDO细分挑战.
• 这一进步有助于改进有机体评估,细胞活力测定和药物查.
• 该方法的通用性表明,在精密医学中具有广泛的潜在应用.